Content Decay für KI: Wann ignoriert ChatGPT deinen Content?

Wie erkennst du, dass ein Artikel für KI-Systeme an Zitierfähigkeit verliert, obwohl die Seite technisch weiter online und indexiert ist? Die folgenden Abschnitte zeigen typische Signale, zwei gegensätzliche Strategien dagegen und wann sich welche davon lohnt.

Definition: Content Decay bezeichnet den schleichenden Verlust an Relevanz und Zitierfähigkeit eines Inhalts, weil er in Fakten, Zahlen oder Aktualität hinter neueren Quellen zurückbleibt. Für KI-Suchsysteme wie ChatGPT, Perplexity oder Google AI Overviews zeigt sich das daran, dass sie einen Inhalt seltener als Quelle heranziehen, obwohl die Seite technisch weiterhin erreichbar und indexiert ist.

Signale, dass KI-Modelle deinen Content schon ignorieren

Content Decay betrifft nicht nur Google. Laut Google Search Central bevorzugen eigene “Query Deserves Freshness”-Systeme gezielt frischere Inhalte bei Suchanfragen, bei denen Aktualität erwartet wird. Aktualität wirkt damit als anfrageabhängiger Rankingfaktor, dessen Gewicht je nach Suchanfrage schwankt (https://developers.google.com/search/docs/appearance/ranking-systems-guide, 2025). Ein Fachartikel zu einem statischen Thema muss deshalb nicht zwangsläufig verblassen, ein Artikel zu einem sich schnell verändernden Thema dagegen schon.

Bei KI-Suchsystemen kommt eine zweite Ebene dazu: das Modell muss die Aktualität überhaupt erkennen können. Laut der Anthropic-Dokumentation liefert das Web-Search-Tool von Claude zu jedem Suchtreffer ein page_age-Feld mit dem Datum der letzten Aktualisierung der Quelle, das direkt in die Auswahl einfließt (https://platform.claude.com/docs/en/agents-and-tools/tool-use/web-search-tool). Fehlt dieses Signal oder wirkt es widersprüchlich, hat ein Modell weniger Grund, gerade diese Seite zu ziehen. Wie stark genau das Feld die Auswahl gegenüber anderen Kriterien gewichtet, ist öffentlich nicht dokumentiert.

Praktisch zeigt sich Decay an drei Stellen: der Artikel taucht in eigenen Test-Prompts nicht mehr auf, die Absprungrate bei KI-Traffic steigt, weil Besucher die erwartete Aktualität nicht finden, oder ein jüngerer Wettbewerber wird bei identischer Fragestellung zitiert. Wie oft eine Aktualisierung grundsätzlich sinnvoll ist, behandelt der Artikel Content-Freshness für KI im Detail. Hier geht es um die Frage davor: Woran erkennst du, dass der Zeitpunkt schon überschritten ist?

Redaktionsplan oder Datums-Update: zwei Ansätze im Vergleich

Gegen Content Decay helfen mehrere Strategien mit unterschiedlichem Aufwand. Die beiden naheliegendsten stehen sich fast diametral gegenüber.

Ansatz 1: Redaktionsplan mit echter inhaltlicher Überarbeitung. Ein fester Turnus, in dem Fakten, Zahlen, Screenshots und Beispiele geprüft und bei Bedarf ersetzt werden. Der Vorteil: Der Inhalt bleibt tatsächlich richtig. Der Nachteil: Der Aufwand steigt mit jeder weiteren Runde, ohne dass ein Enddatum absehbar ist, und bei wachsendem Archiv wird der Plan irgendwann zur Belastung.

Ansatz 2: Nur das Datum aktualisieren. Schema.org definiert mit dateModified ein eigenes Feld, getrennt von datePublished, für das Datum der letzten inhaltlichen Änderung eines CreativeWork (https://schema.org/dateModified, 2026). Manche Websites nutzen genau das aus: Der Zeitstempel wird gesetzt, der Text bleibt unverändert. Der Vorteil liegt im geringen Aufwand. Der Nachteil: Eine Diskrepanz zwischen behauptetem Änderungsdatum und tatsächlich unverändertem Inhalt lässt sich bei genauerer Prüfung erkennen, sowohl von Nutzern als auch potenziell von den Systemen selbst, die den Inhalt auswerten.

Ansatz	Aufwand	Was inhaltlich passiert	Risiko
Redaktionsplan	hoch, wiederkehrend	Fakten, Zahlen und Beispiele werden geprüft und ersetzt	Aufwand ohne absehbares Ende bei wachsendem Archiv
Nur Datum aktualisieren	gering	Zeitstempel ändert sich, Inhalt bleibt gleich	Diskrepanz zwischen Datum und Inhalt ist erkennbar

In eigenen Analysen betreuter Websites beobachten wir, dass Artikel ohne erkennbares Aktualisierungsdatum im Quelltext in eigenen Zitat-Stichproben seltener auftauchen als klar datierte Artikel zum selben Thema. Eine repräsentative Studie ist das nicht, eher ein wiederkehrendes Muster aus unserer Scan-Praxis, das wir bewusst als Beobachtung und nicht als Beleg für Kausalität einordnen.

Aus unserer Sicht ist Ansatz 1 die tragfähigere Grundlage, weil er tatsächlich Substanz erzeugt und nicht nur ein Signal setzt. Ansatz 2 kann als Ergänzung funktionieren, sobald echte kleine Änderungen anfallen, aber nicht als Ersatz für sie.

Ansatz 3: Konsolidieren mehrerer Artikel zu einem Thema

Ein dritter Weg schichtet das Problem um: mehrere ältere Beiträge zu einem Thema werden zu einem aktuellen, tieferen Artikel zusammengeführt, überflüssige Duplikate werden entfernt oder per Redirect auf die konsolidierte Version gelenkt. Das reduziert die Anzahl der Seiten, die überhaupt gepflegt werden müssen.

Der Vorteil: Weniger Fläche, die verfällt, und ein konzentrierteres Themen-Cluster, das für KI-Systeme leichter als zusammenhängende Autorität erkennbar ist. Wie sich Themen-Cluster sauber aufbauen lassen, beschreibt Content Clustering für KI-Modelle ausführlicher. Der Nachteil: Bestehende interne und externe Links auf die zusammengeführten URLs benötigen saubere Weiterleitungen, sonst geht an genau der Stelle Autorität verloren, die der Zusammenschluss eigentlich stärken sollte. Zudem bleibt Konsolidierung eine einmalige Aufräumaktion pro Cluster und ersetzt Ansatz 1 damit nicht dauerhaft.

Wichtig für die Priorisierung: Nicht jede ältere Seite verdient überhaupt die Mühe der Pflege. PerplexityBot dient laut Perplexity-Dokumentation ausschließlich dazu, Websites für die Suchergebnisse zu erfassen und zu zitieren; das Training von KI-Modellen erfolgt über andere Crawler (https://docs.perplexity.ai/docs/resources/perplexity-crawlers, Perplexity AI). Nach unserer Einschätzung lohnt sich die Pflege eher bei einem Cluster mit nachweisbarer Nachfrage als bei einem Artikel, der ohnehin nie zitiert wurde.

Rechenbeispiel (hypothetisch): Bei 150 Blogartikeln und einer Prüfzeit von rund 20 Minuten pro Artikel ergäbe ein vollständiger Redaktionsdurchlauf einen Aufwand von etwa 50 Stunden je Zyklus. Werden 30 dieser Artikel vorab zu 10 konsolidierten Beiträgen zusammengeführt, sänke die Zahl der zu prüfenden URLs in diesem Modell auf 130, bei entsprechend geringerem Zeitbedarf für den nächsten Zyklus.

Welcher Ansatz zur eigenen Website-Größe passt

Als Faustregel für den Einstieg gilt: Aus unserer Sicht trägt bei einem überschaubaren Archiv mit wenigen Dutzend Artikeln ein Redaktionsplan mit echter Überarbeitung einen wesentlichen Teil der Arbeit, weil sich Aufwand und Nutzen dort noch direkt gegenüberstellen lassen. Bei einem gewachsenen Archiv mit mehreren Hundert Beiträgen wird die Konsolidierung zur Voraussetzung: Ohne sie frisst die schiere Menge jede Update-Kapazität auf.

Der Datums-Trick aus Ansatz 2 funktioniert nur als Ergänzung zu echten Änderungen. Ein sauberes Publikations- und Änderungsdatum bleibt trotzdem Teil der Grundausstattung, dazu mehr im Artikel Publish-Date & KI-Sichtbarkeit. Entscheidend ist am Ende vor allem die Ehrlichkeit, mit der Aufwand und tatsächlicher Umfang der Website zueinander passen. E-E-A-T-Signale wie erkennbare Autorenschaft und nachvollziehbare Aktualität wirken dabei als Rahmen für alle drei Ansätze.

Häufig gestellte Fragen

Wie erkenne ich Content Decay bei meinen eigenen Artikeln? Prüfe, ob ältere Artikel in eigenen Test-Prompts bei ChatGPT, Perplexity oder Google AI Overviews noch auftauchen, ob die Absprungrate bei KI-Traffic gestiegen ist und ob Wettbewerber mit jüngeren Inhalten bei denselben Fragen bevorzugt zitiert werden.

Reicht es, nur das Datum eines Artikels zu aktualisieren? Nein, jedenfalls nicht dauerhaft. Ein reines Datums-Update ohne inhaltliche Änderung schafft eine Diskrepanz zwischen Zeitstempel und Inhalt, die bei genauerer Prüfung auffällt. Es kann eine Ergänzung zu echten Änderungen sein, aber kein Ersatz dafür.

Sollte ich alte Artikel löschen oder konsolidieren? Das hängt vom Cluster ab. Nach unserer Einschätzung lassen sich mehrere ältere Artikel zum gleichen Thema sinnvoller zu einem aktuellen, tieferen Beitrag zusammenführen als einzeln laufend zu pflegen, solange bestehende Links per Weiterleitung erhalten bleiben.

Wie oft sollte ich Content auf Decay prüfen? Ein fester Turnus, etwa halbjährlich für zentrale Themenseiten, schafft eine verlässliche Basis. Bei Themen mit hoher Veränderungsgeschwindigkeit lohnt sich ein kürzerer Rhythmus, bei stabilen Grundlagenartikeln ein längerer.

**Ergebnis:** Alle 8 beanstandeten Stellen bereinigt — 6× gestrichen/umformuliert als erkennbare eigene Bewertung ("Aus unserer Sicht" / "Nach unserer Einschätzung"), 2 Sätze ersatzlos entfernt (Intro-Prämisse, unbelegte OWN-Aussage zur Korrelation).

**Wichtig:** Keine neuen Fakten, Zahlen oder Quellen ergänzt — nur gestrichen oder abgeschwächt, wie vorgegeben. Belegte Aussagen (Google Search Central, Anthropic, Schema.org, Perplexity) und ihre Zuschreibungen/URLs blieben unangetastet.

**Offen:** Nächster Claim-Gate-Lauf steht noch aus — ob die Umformulierungen als Bewertung durchgehen, kann ich ohne erneute Prüfung nicht garantieren.